近年来，智能交通系统中的运动目标检测技术是计算机视觉领域的一个很受关注的前沿课题，在城市交通构建方面得到了广泛的应用。智能交通系统中运动目标的检测是实现交通系统自动化和实时应用的关键，也是视频场景分析、行为理解等诸多后续处理的基础。目前由于实际环境中目标运动的复杂性，以及视频数据所具有的特殊性，使得智能交通系统中运动目标检测存在着各种各样的困难，本文重点研究了在比较复杂背景下采用双模型运动目标检测算法及其在智能交通监控系统中的实现，以及对运动目标进行阴影抑制的算法研究。本文对智能交通系统中监控终端进行了设计。本文的主要研究内容有：首先，本文研究和分析了智能交通系统、运动目标检测技术国内外的研究现状以及所存在的问题。对图像预处理、图像分割、特征提取、判决分类等理论基础知识进行了比较系统的学习与研究。其次，分析了目前常用的检测算法：光流法，帧间差分法，背景差减法。重点对高斯混合模型算法进行了研究，同时针对当前很多检测算法的精度不够与计算复杂，本文提出了一种改进的双模型运动目标检测算法。由于检测过程中，阴影对目标的正确检测存在很大干扰，提出了一种改进的高斯混合模型阴影抑制算法。最后，以ADSP-BF561为主芯片，设计了智能交通系统中视频监控终端的整体硬件结构，并对ADSP-BF561处理器模块、采集视频模块、存储视频数据模块和网络传输模块进行了详细的设计；设计了系统的软件整体框图，并将系统应用在了道路交通中车流量的统计。实验结果表明，本文提出的智能交通系统中运动目标检测技术具有很强的可行性和实用性，能够在比较复杂的背景下将运动目标正确检测出来，达到了预期目标。